水力发电站智能巡检机械设备缺陷自动识别方法

为了快速识别水力发电站的智能巡检机械设备的缺陷,提高水电站的安全性,提出水力发电站智能巡检机械设备缺陷自动识别方法。利用非下采样小波变换方法对智能巡检机械设备产生的信号展开去噪处理,采用EMD方法分解机械设备信号并对其展开自适应分析,提取信号特征值,在多维高斯贝叶斯原理的基础上,根据信号特征判断机械设备的状态,实现智能巡检机械设备的缺陷检测。实验结果表明,所提方法在去噪过程中的均方误差始终未超过0.97 dB2,缺陷识别时间低于3 s,ROC曲线面积大,缺陷识别信号的幅值与实际信号波动基本一致,具有良好的缺陷识别能力。

基于YOLO的水力发电站作业安全检测

在水电站的日常维护和作业过程中,由于作业人员操作不当,很容易发生意外事故并造成重大损失,为此,本文提出了一种基于YOLO的水力发电站作业安全检测方案。该方案利用YOLO算法,结合水力发电站的工作信息,实时监视作业区域,自动识别作业人员是否违章并及时发出告警提示。该方案利用人工智能技术,能够自动识别违章行为,避免了人工监控的盲区和疏漏,提高了监测效率和准确性。